Introducción a R

Obtención e instalación de R

R se puede descargar de la siguiente página web http://www.r-project.org/.

En el panel izquierdo encontrarás la opción de download donde elegirás un mirror para descargarlo, los links para México son los siguientes:

• https://cran.itam.mx/
• http://cran.itam.mx/
• http://www.est.colpos.mx/R-mirror/
• http://cran.jellyfish.lol/

Elige el link de descarga que te parezca más adecuado en función del área en que te encuentres. Una vez elegido el mirror, selecciona la versión de R de acuerdo a tu sistema operativo (Linux, Mac o Windows).

Figura_4

La forma más fácil de instalar R es por medio de los binarios (o ejecutables), sin embargo si deseas instalarlo desde teminal de Linux o Mac aquí puedes encontrar las instrucciones:

• MAC https://rud.is/b/2015/10/22/installing-r-on-os-x-100-homebrew-edition/
• Linux (Ubuntu) https://cran.r-project.org/bin/linux/ubuntu/README

Antes de empezar con el tutorial voy a fijar una semilla aleatoria para que los ejemplos de este documento sean reproducibles (es decir, para que todos en el grupo lleguen a los mismos resultados).

set.seed(111)

Sintaxis

La primera cosa que hay que explorar es la sintaxis del lenguaje; en esta sección daremos un panorama general de ella. La primera cosa que hay que tener en cuenta sobre la sintaxis de R es que a diferencia de otros lenguajes como SQL, BASIC, Pascal, R es sensible a mayúsculas y minúsculas por lo que un objeto llamado libro es diferente a Libro. Veamos el ejemplo:

libro <- "En las montañas de la locura"
# Existe en la memoria de R el objeto libro?
exists("libro")

## [1] TRUE

# y que hay sobre el objeto Libro?
exists("Libro")

## [1] FALSE

A pesar de que no se comentó anteriormente (se dio por hecho), en R la forma de declarar variables es mediante el comando de asignación (<-). Aunque también es posible declarar las variables con el signo (=) se recomienda usar <-. Veremos más sobre variables en las siguientes secciones

# Asigna a uno el valor numérico 1 usando el comando "<-" 
uno <- 1
# Alternativamente 
1 -> uno
# Asigna a dos el valor numérico 2 usando el comando "=" 
dos = 2
# Asignar el valor 3 a la variable 3 usando el comando assing
assign("tres", 3)
print(uno)

## [1] 1

print(dos)

## [1] 2

print(tres)

## [1] 3

Otra característica de la sintaxis es que en R solo se permite nombrar a las variables comenzando con letras (mayúsculas o minúsculas) o “.”* y nunca con números.

Olor <- "Dulce"
olor <- "Agradable"
# Esto produce un error
# 0lor <- "Fétido" # la variable comienza con el digito cero
print(Olor)

## [1] "Dulce"

print(olor)

## [1] "Agradable"

Las variables pueden contener números en cualquier otra posición (nunca al comienzo).

ol0r <- "fresco"
o1or <- "fresco"
print(ol0r)

## [1] "fresco"

print(o1or)

## [1] "fresco"

Ahora probemos con el “.”*

.ayuda <- "SOS"
print(.ayuda)

## [1] "SOS"

R como calculadora

La consola de R puede ser usada como calculadora aritmética, vemos algunas operaciones básicas:

Una suma

5 + 89

## [1] 94

Una resta

18 - 167

## [1] -149

Una multiplicación

2 * 98

## [1] 196

División

6/5

## [1] 1.2

Potencia

9 ^ 9

## [1] 387420489

El residuo de la división

9 %% 7

## [1] 2

La parte entera

9 %/% 7

## [1] 1

Podemos verificar que 9 es la suma de su residuo más 7 veces la parte entera de la fracción

# Residuo + 7 * la parte entera de la fracción
(9 %% 7) + 7 * (9 %/% 7) 

## [1] 9

Los paréntesis puede ser usados para especificar el orden de las operaciones

(1 + 1/300)^300

## [1] 2.713765

R contiene algunas funciones matemáticas ya incluidas como \(\sin(x)\), \(\cos(x)\), \(\tan(x)\), (en radianes), \(\exp(x)\), \(\log(x)\) y \(\sqrt{x}\).

exp(1)

## [1] 2.718282

sin(1)

## [1] 0.841471

cos(1)

## [1] 0.5403023

log(1)

## [1] 0

sqrt(1)

## [1] 1

También tiene en memoria algunas constantes como \(\pi\)

pi

## [1] 3.141593

Podemos especificar la precisión de las salidas con el comando options

options(digits = 16)
pi

## [1] 3.141592653589793

Redondear cantidades

# Redondea dos digitos de precisión
round(10/3.4, 2)

## [1] 2.94

# Entero mayor más cercano
ceiling(1/3)

## [1] 1

# El entero menor más cercano
floor(1/3)

## [1] 0

Los vectores y matrices en R

Comencemos con algunas definiciones necesarias:

• Escalar: Un escalar es sólo una cantidad numérica i.e. un entero o un número real.
• Vector \(v \in R^n\) : Se llama vector de dimensión \(n\) a una tupla de \(n\) números reales o componentes del vector (un vector está constituido por 1 o varios escalares).

El conjunto de todos los vectores de dimensión \(n\), se representa como \(\mathbb{R}^n\). Así, un vector \({\textbf v}\) perteneciente a un espacio \(\mathbb{R}^n\) se representa como:

\({\textbf v} = (a_1, a_2, a_3, \dots, a_n)\) donde \({\textbf v} \in \mathbb{R}^n\)

En matemáticas existen dos tipos de vectores, el vector renglón (el de la ecuación de arriba) y el vector columna.

Indexación de vectores en R

Nótese que se puede localizar a cada componente del vector por su posición (ver ejemplo).

\[\textbf f = (5,2,4,3)\]

De modo que la componente 3 del vector \(\textbf f\) es el número \(4\). En R, a lo anterior se le denomina indexación y es una de las herramientas más poderosas que podemos aprender; si logramos dominar este arte, la programación y automatización de tareas muy complejas será mucho más sencilla.

El desconocimiento de la forma en cómo se indexan los vectores o matrices hace que el código fuente de los programas o scripts sea obscuro. En los siguientes ejemplos veremos que esta arte es mucho más clara de lo que parece.

Primero debemos notar que en R la forma más básica de construir vectores es utilizando la función concatenar “c”. Este comando concatena a cada uno de los elementos que formarán a nuestro vector.

# Generemos el vector f (el del ejemplo anterior)
f <- c(5,2,4,3)

Comprobemos si efectivamente el elemento 3 del vector \({\textbf f}\) es el número \(4\)

f[3]

## [1] 4

Efectivamente es el número 4 y que hay del primer elemento?

f[1]

## [1] 5

Si quisiéramos extraer más de un elemento (un subconjunto \(\textbf f_1\) de dimensión \(m\) con \(m \le n\)) del vector \({\textbf f}\)?

Ahora se muestra como formar un subconjunto \(\textbf f_1\) constituido por los elementos 1, 3 y 4 del vector \({\textbf f}\)

(f1 <- f[c(1,3,4)])

## [1] 5 4 3

Nota: En algunos lenguajes como python la indexación comienza con el 0.

Generación de secuencias (vectores) regulares en R

R tiene varias formas de generar secuencias, por ejemplo, el comando 1:n genera la secuencia \(1,2,3,\dots,n\). La secuencia anterior es una de las más utilizadas para generar subconjuntos de vectores de dimensión \(n\) y cuyos elementos son números enteros.

1:10

##  [1]  1  2  3  4  5  6  7  8  9 10

Otro comando que encontraremos con frecuencia es el comando “seq”, este comando genera secuencias de números en el intervalo \([a,b]\) con particiones de tamaño \(\delta\).

Generemos una secuencia de números del 0 al 10 de 2 en 2, es decir \(\delta=2\)

seq(from =0,to = 10,by = 2)

## [1]  0  2  4  6  8 10

Ahora una secuencia de 0 a 1 con \(\delta=0.01\)

seq(0,1,by=0.01)

##   [1] 0.00000000000000000 0.01000000000000000 0.02000000000000000
##   [4] 0.03000000000000000 0.04000000000000000 0.05000000000000000
##   [7] 0.06000000000000000 0.07000000000000001 0.08000000000000000
##  [10] 0.09000000000000000 0.10000000000000001 0.11000000000000000
##  [13] 0.12000000000000000 0.13000000000000000 0.14000000000000001
##  [16] 0.14999999999999999 0.16000000000000000 0.17000000000000001
##  [19] 0.17999999999999999 0.19000000000000000 0.20000000000000001
##  [22] 0.20999999999999999 0.22000000000000000 0.23000000000000001
##  [25] 0.23999999999999999 0.25000000000000000 0.26000000000000001
##  [28] 0.27000000000000002 0.28000000000000003 0.28999999999999998
##  [31] 0.29999999999999999 0.31000000000000000 0.32000000000000001
##  [34] 0.33000000000000002 0.34000000000000002 0.35000000000000003
##  [37] 0.35999999999999999 0.37000000000000000 0.38000000000000000
##  [40] 0.39000000000000001 0.40000000000000002 0.41000000000000003
##  [43] 0.41999999999999998 0.42999999999999999 0.44000000000000000
##  [46] 0.45000000000000001 0.46000000000000002 0.47000000000000003
##  [49] 0.47999999999999998 0.48999999999999999 0.50000000000000000
##  [52] 0.51000000000000001 0.52000000000000002 0.53000000000000003
##  [55] 0.54000000000000004 0.55000000000000004 0.56000000000000005
##  [58] 0.57000000000000006 0.57999999999999996 0.58999999999999997
##  [61] 0.59999999999999998 0.60999999999999999 0.62000000000000000
##  [64] 0.63000000000000000 0.64000000000000001 0.65000000000000002
##  [67] 0.66000000000000003 0.67000000000000004 0.68000000000000005
##  [70] 0.69000000000000006 0.70000000000000007 0.70999999999999996
##  [73] 0.71999999999999997 0.72999999999999998 0.73999999999999999
##  [76] 0.75000000000000000 0.76000000000000001 0.77000000000000002
##  [79] 0.78000000000000003 0.79000000000000004 0.80000000000000004
##  [82] 0.81000000000000005 0.82000000000000006 0.83000000000000007
##  [85] 0.83999999999999997 0.84999999999999998 0.85999999999999999
##  [88] 0.87000000000000000 0.88000000000000000 0.89000000000000001
##  [91] 0.90000000000000002 0.91000000000000003 0.92000000000000004
##  [94] 0.93000000000000005 0.94000000000000006 0.95000000000000007
##  [97] 0.95999999999999996 0.96999999999999997 0.97999999999999998
## [100] 0.98999999999999999 1.00000000000000000

Imaginemos que se quiere una secuencia de números definidos en el intervalo \((13,25)\) pero cuya longitud sea de 40 números. Uno de los argumentos del comando seq es length.out y con este se puede especificar la longitud de la secuencia de valores que queremos generar.

# longitud de la secuencia que queremos generar
tamano <- 40
seq(13,25,length.out=tamano)

##  [1] 13.00000000000000 13.30769230769231 13.61538461538461
##  [4] 13.92307692307692 14.23076923076923 14.53846153846154
##  [7] 14.84615384615385 15.15384615384615 15.46153846153846
## [10] 15.76923076923077 16.07692307692308 16.38461538461539
## [13] 16.69230769230769 17.00000000000000 17.30769230769231
## [16] 17.61538461538462 17.92307692307692 18.23076923076923
## [19] 18.53846153846154 18.84615384615385 19.15384615384615
## [22] 19.46153846153846 19.76923076923077 20.07692307692308
## [25] 20.38461538461539 20.69230769230769 21.00000000000000
## [28] 21.30769230769231 21.61538461538462 21.92307692307692
## [31] 22.23076923076923 22.53846153846154 22.84615384615385
## [34] 23.15384615384615 23.46153846153846 23.76923076923077
## [37] 24.07692307692308 24.38461538461539 24.69230769230769
## [40] 25.00000000000000

El comando rep

La función rep permite generar secuencias repetidas de vectores.

vec <- c("A","B")
rep(vec, 2)

## [1] "A" "B" "A" "B"

El comando sample

Un comando frecuentemente utilizado para extraer una muestra aleatoria de un vector el comando sample. Algunos de sus argumentos son:

• El vector de donde se va a sacar la secuencia aleatoria (\(x\)).
• El número de elementos (size) que se van a extraer del vector \(x\).
• La muestra será obtenida con remplazo (replace)

En el siguiente ejemplo crearemos un vector de 1000 elementos y tomaremos una muestra aleatoria de 100. Veamos cómo hacerlo en R!

vec <- 1:1000
sample(x = vec,size = 100,replace = FALSE)

##   [1] 593 726 370 514 377 417  11 529 429  93 551 584  67  47 155 440 169
##  [18] 951 306 603 423 280 335 378 945 314 637 276 766 579  57 495 451 454
##  [35] 348 689 113 755 618 774 616 316 609 889 550 351 995 816 598 963 965
##  [52] 556  32 959 943 519 544 431  91 759   1 439 163 243 861 217  50 284
##  [69] 994 979 817 619 422 934 585 410 248 909  88 724 111 810 121 368  80
##  [86] 343 626 671 704 993 466 776 572 526 913 955 899 360 880 743

Midiendo la longitud de un vector

Supongamos que estamos creando un algoritmo donde en uno de los pasos se genera un vector \(\textbf l\) cuyo tamaño puede variar en función de que se cumpla una condición \(c\); imaginemos que estamos interesados en saber cuál es el número promedio de iteraciones que necesita nuestro algoritmo para cumplir la condición \(c\). Una forma de averiguar lo anterior es guardar en un vector n_iter el número de iteraciones que el algoritmo necesitó en cada una de las simulaciones que relizamos. La pregunta es cómo saber la longitud del vector \(\textbf l\): en R es muy sencillo, el comando para realizarlo es length

# logitudes posibles de nuestro vector l
tamanos <- 1:30
# tamaño de l
tamano_l <- sample(tamanos,size = 1)
l <- seq(1,5,length.out = tamano_l)
# La longitud de l
length(l)

## [1] 18

Creación de matrices en R

Las matrices en R se crean con el comando matrix y sólo necesitamos indicar los elementos que la conformarán (data), el número de filas (nrow) y columnas (ncol) que contendrá.

elementos <- seq(1:16)
mat <- matrix(elementos,nrow = 4,ncol = 4)
print(mat)

##      [,1] [,2] [,3] [,4]
## [1,]    1    5    9   13
## [2,]    2    6   10   14
## [3,]    3    7   11   15
## [4,]    4    8   12   16

Como se había mencionado las matrices en R sólo pueden ser de dos tipos numéricas o de cadena de caracteres:

# Matriz tipo cadena
letras <- LETTERS[1:9]
mat_carac <- matrix(letras,ncol=3,nrow = 3)

Tratemos de combinar números con letras

letras_b <- LETTERS[1:8]
numero_b <- 1:8
letras_numeros <- c(letras_b,numero_b)
mat_num_car <- matrix(letras_numeros,ncol=4,nrow = 4)
print(mat_num_car)

##      [,1] [,2] [,3] [,4]
## [1,] "A"  "E"  "1"  "5" 
## [2,] "B"  "F"  "2"  "6" 
## [3,] "C"  "G"  "3"  "7" 
## [4,] "D"  "H"  "4"  "8"

Indexación de matrices en R

Sea \(\textbf M\) una matriz de \(6\times 8\) dimensiones. Supongamos que se nos pide extraer el elemento que corresponde a la fila 3 y al renglón 6. La forma de indexar matrices en R sigue la misma lógica que en matemáticas en donde \(\mathbf{M_{fila,columna}}\) en R se indexa como \(\mathbf{M[fila,columna]}\). Veamos el código!

dats <- seq(2,4,length.out = 48)
M <- matrix(dats,nrow = 6,ncol = 8,byrow = TRUE)
# Extraigo el elemento a_{3,6}
print(M[3,6])

## [1] 2.893617021276595

También podemos usar la indexación para mostrar una sola fila de la matriz, una columna completa, los primeros \(m\) elementos de una fila o una columna, las primeras \(k\) columnas y las primeras \(r\) filas de la matriz…

Llamando sólo una fila de una matriz

A continuación se muestra como enlistar la segunda fila de la matriz \(\mathbf M\)

print(M[2,])

## [1] 2.340425531914894 2.382978723404255 2.425531914893617 2.468085106382979
## [5] 2.510638297872340 2.553191489361702 2.595744680851064 2.638297872340425

Llamando sólo una columna de una matriz

A continuación se muestra como enlistar la tercera columna de la matriz \(\mathbf M\)

print(M[,3])

## [1] 2.085106382978724 2.425531914893617 2.765957446808510 3.106382978723405
## [5] 3.446808510638298 3.787234042553191

Combinando formas de indexar

Con las operaciones vistas hasta el momento podemos realizar varias combinaciones para extraer elementos de una matriz. Veamos algunos ejemplos de lo anterior.

Dada la matriz \(\mathbf {M_{5,5}}\) extraer:

1. las primeras 3 filas de las columnas 1 y 2

d_mat <- 1:25
M <- matrix(d_mat,ncol = 5,nrow = 5, byrow = TRUE)
print(M[1:3,c(1,2)])

##      [,1] [,2]
## [1,]    1    2
## [2,]    6    7
## [3,]   11   12

2. Las filas de 1 a la 5 de las columas 1 y 5

print(M[c(1,2,3,4,5),c(1,5)])

##      [,1] [,2]
## [1,]    1    5
## [2,]    6   10
## [3,]   11   15
## [4,]   16   20
## [5,]   21   25

Para saber más sobre matrices y sus operaciones en R da clic aquí.

Los data.frame

Al igual que las matrices, un data.frame es un arreglo bidimensional de reglones y columnas. A diferencia de las matrices este permite tener columnas de tipo numérico y de tipo caracter en él. Cada columna representa una variable (en el sentido estadístico).

Construcción de data.frames

La función data.frame permite contruir un data.frame a partir de vectores; cada vector representa una variable o columna en el data.frame. A continuación veremos cómo construir un data.frame cuyas variables son de tipo numérico y de tipo caracter.

pollito_id <- 1:75
lote <- paste0("L",rep(1:5,each=15))
peso_inicial <- runif(75,min = 8,12)
pollitos <- data.frame(pollito_id,lote,peso_inicial)

print(pollitos[c(1:3,21:23,31:33,51:53,71:73),])

Agregando datos al data.frame

Supóngase que a cada lote de pollitos se les alimenta con una dieta diferente durante 45 días, por lo tanto será necesario agregar la vairable dieta a nuestra tabla de datos.

dieta <- paste0("D",rep(1:5,each=15))
pollitos[,"Dieta"] <- dieta

También la variable peso después de los 45 días de engorde.

peso_d1 <- rnorm(mean = 2250, n = 15,sd = 1)
peso_d2 <- rnorm(mean = 2600, n = 15,sd = 1.4)
peso_d3 <- rnorm(mean = 1800, n = 15,sd = 3)
peso_d4 <- rnorm(mean = 2100, n = 15,sd = .6)
peso_d5 <- rnorm(mean = 2000, n = 15,sd = 1.7)
pesos_dietas <- c(peso_d1,peso_d2,peso_d3,peso_d4,peso_d5)
pollitos$peso_dieta <- pesos_dietas 

# Imprimamos una parte del data.frame
print(pollitos[c(1:3,21:23,31:33,51:53,71:73),])

Indexación de data.frames

La indexación de los data.frames es idéntica al de las matrices; sin embargo, tiene una ventaja adicional, esta ventaja radica en que podemos llamar una columana completa indicando el nombre de esta en vez del número. De este modo en el ejemplo de pollitos, no importa si no sabemos la posición exacta de la columna dieta R la encontrará por nosotros.

Veamos como hacerlo, imprimamos los primeros 10 elementos de la columana dieta

pollitos[1:10,c("Dieta")]

##  [1] "D1" "D1" "D1" "D1" "D1" "D1" "D1" "D1" "D1" "D1"

Otra forma de realizar la operación anterior es utilizando el símbolo de \(\$\)

pollitos$Dieta[1:10]

##  [1] "D1" "D1" "D1" "D1" "D1" "D1" "D1" "D1" "D1" "D1"

Las listas

Es momento de introducir a uno de los objetos estrella de R, este es el objeto lista. Al igual que los vectores, las listas son arreglos unidimensionales con la peculiaridad de que los elementos que las integran pueden ser de varias clases, por ejemplo, data.frames, matrices, vectores, rasters, etc. A continuación veamos cómo crear una lista que contiene como elementos un data.frame, un vector y una lista, esta se crea con el comando list()

# un vector de numeros aleatorio del 0 a la 1
vector <- runif(10)
# Un subconjunto del DF pollitos
data_frame_pollito <- pollitos[1:10,]
# uan lista
sublista <- list(a=1:10)

lista <- list(vector=vector, pollitos_df = data_frame_pollito, sublista=sublista)
print(lista)

## $vector
##  [1] 0.8176385075785220 0.8938548327423632 0.6814558403566480
##  [4] 0.4533687653020024 0.6515468196012080 0.7260923418216407
##  [7] 0.6991440386045724 0.5504099403042346 0.8171223362442106
## [10] 0.2699587242677808
## 
## $pollitos_df
##    pollito_id lote       peso_inicial Dieta        peso_dieta
## 1           1   L1  8.544862350448966    D1 2249.397271513513
## 2           2   L1 11.758935921825469    D1 2250.660069387382
## 3           3   L1  8.705138908699155    D1 2252.050749526114
## 4           4   L1 11.278820903971791    D1 2250.490808178818
## 5           5   L1  8.048473510891199    D1 2248.268520581220
## 6           6   L1 10.560249282047153    D1 2250.710883659408
## 7           7   L1  9.068114688619971    D1 2250.013822911462
## 8           8   L1 10.277991003356874    D1 2248.598958402634
## 9           9   L1 11.861210129223764    D1 2251.259123665442
## 10         10   L1  8.793691774830222    D1 2249.872522481624
## 
## $sublista
## $sublista$a
##  [1]  1  2  3  4  5  6  7  8  9 10

Extracción de los elementos de la lista

Como habíamos visto en la sección anterior, las listas se comportan como vectores y por tanto la forma de extraer un elemento de esta simplemente es ocupando la sintaxis lista[[element_index]].

# El segundo elemento de la lista es el DF pollitos
lista[[2]]

Otra forma de extraer un elemento de la lista es con la sintaxis lista$nombre_elemento

lista$pollitos_df

o bien lista[["nombre_elemento"]]

lista[["pollitos_df"]]

Extrayendo elementos contenidos en una lista de listas

Estamos interesados en extaer el elemento 10 del vector a contenido en la lista nombrada sublista que se encuentra dentro de nuestra lista principal. La sintaxis para extraer un elemento de una lista contenida dentro de otra lista es lista[[indice_nivel_1]][[indice_nivel_2]][[indice_nivel3]]

# El elemento de lista que a la sublista que contiene al vector objetivo es el 3
# Esta sublista esta contituida por un solo elemento el cual es el vector a
# El elemento del vector a que nos interesa es el 10
indice_nivel_1 <- 3
indice_nivel_2 <- 1
indice_nivel_3 <- 10
lista[[indice_nivel_1]][[indice_nivel_2]][[indice_nivel_3]]

## [1] 10

o bien

lista[["sublista"]][["a"]][[indice_nivel_3]]

## [1] 10

Agregando nuevos elementos a una lista

Agreguemos un nuevo elemento (un vector de números aleatorios) a lista

lista[["nuevo_elem"]] <- rnorm(30)
lista

## $vector
##  [1] 0.8176385075785220 0.8938548327423632 0.6814558403566480
##  [4] 0.4533687653020024 0.6515468196012080 0.7260923418216407
##  [7] 0.6991440386045724 0.5504099403042346 0.8171223362442106
## [10] 0.2699587242677808
## 
## $pollitos_df
##    pollito_id lote       peso_inicial Dieta        peso_dieta
## 1           1   L1  8.544862350448966    D1 2249.397271513513
## 2           2   L1 11.758935921825469    D1 2250.660069387382
## 3           3   L1  8.705138908699155    D1 2252.050749526114
## 4           4   L1 11.278820903971791    D1 2250.490808178818
## 5           5   L1  8.048473510891199    D1 2248.268520581220
## 6           6   L1 10.560249282047153    D1 2250.710883659408
## 7           7   L1  9.068114688619971    D1 2250.013822911462
## 8           8   L1 10.277991003356874    D1 2248.598958402634
## 9           9   L1 11.861210129223764    D1 2251.259123665442
## 10         10   L1  8.793691774830222    D1 2249.872522481624
## 
## $sublista
## $sublista$a
##  [1]  1  2  3  4  5  6  7  8  9 10
## 
## 
## $nuevo_elem
##  [1]  1.69679092635824325 -0.88433743533715903  0.85648970146977699
##  [4]  0.17494245057415270 -0.39850496200257007  0.27520256239410407
##  [7] -1.26871879906914331 -0.01008132898571333  0.65340172450247769
## [10]  0.09857997949400066  0.90261694132495107 -0.51989749588921874
## [13] -1.29349097974465210 -0.04689771043879913 -0.63499626589402647
## [16] -0.21770227188875313 -1.57484166313679341 -0.27750315193029645
## [19]  0.55029220750056151 -0.61094661705016162 -2.13486545165556052
## [22]  0.69927743788382590  1.07719596695355735  0.86791815730251343
## [25] -0.79073937853598142 -0.10933017366165988 -0.93035006106079787
## [28] -0.36712126465207523 -0.89291430875059996 -0.35777280804279865

o bien

lista$nuevo_elem_2 <- rbinom(30,size = 1,prob = 0.5)
lista

## $vector
##  [1] 0.8176385075785220 0.8938548327423632 0.6814558403566480
##  [4] 0.4533687653020024 0.6515468196012080 0.7260923418216407
##  [7] 0.6991440386045724 0.5504099403042346 0.8171223362442106
## [10] 0.2699587242677808
## 
## $pollitos_df
##    pollito_id lote       peso_inicial Dieta        peso_dieta
## 1           1   L1  8.544862350448966    D1 2249.397271513513
## 2           2   L1 11.758935921825469    D1 2250.660069387382
## 3           3   L1  8.705138908699155    D1 2252.050749526114
## 4           4   L1 11.278820903971791    D1 2250.490808178818
## 5           5   L1  8.048473510891199    D1 2248.268520581220
## 6           6   L1 10.560249282047153    D1 2250.710883659408
## 7           7   L1  9.068114688619971    D1 2250.013822911462
## 8           8   L1 10.277991003356874    D1 2248.598958402634
## 9           9   L1 11.861210129223764    D1 2251.259123665442
## 10         10   L1  8.793691774830222    D1 2249.872522481624
## 
## $sublista
## $sublista$a
##  [1]  1  2  3  4  5  6  7  8  9 10
## 
## 
## $nuevo_elem
##  [1]  1.69679092635824325 -0.88433743533715903  0.85648970146977699
##  [4]  0.17494245057415270 -0.39850496200257007  0.27520256239410407
##  [7] -1.26871879906914331 -0.01008132898571333  0.65340172450247769
## [10]  0.09857997949400066  0.90261694132495107 -0.51989749588921874
## [13] -1.29349097974465210 -0.04689771043879913 -0.63499626589402647
## [16] -0.21770227188875313 -1.57484166313679341 -0.27750315193029645
## [19]  0.55029220750056151 -0.61094661705016162 -2.13486545165556052
## [22]  0.69927743788382590  1.07719596695355735  0.86791815730251343
## [25] -0.79073937853598142 -0.10933017366165988 -0.93035006106079787
## [28] -0.36712126465207523 -0.89291430875059996 -0.35777280804279865
## 
## $nuevo_elem_2
##  [1] 0 0 0 1 0 0 0 0 1 0 0 0 0 1 1 1 1 1 0 0 1 0 1 1 0 0 1 1 1 1

Un ejemplo de como leer archivos de Excel

Como se mencionó anteriormente, en R es posible leer archivos de Excel utilizando las funciones read.xls y loadWorkbook de los paquetes gdata y XLConnect respectivamente. Veamos cómo instalar estos paquetes para utilizar las funciones señaladas.

• Con read.xls sólo tenemos que señalar la ruta donde se encuentra nuestro xls y la hoja del libro.

# install.packages("gdata")
library(gdata)

## gdata: read.xls support for 'XLS' (Excel 97-2004) files ENABLED.

## 

## gdata: read.xls support for 'XLSX' (Excel 2007+) files ENABLED.

## 
## Attaching package: 'gdata'

## The following object is masked from 'package:stats':
## 
##     nobs

## The following object is masked from 'package:utils':
## 
##     object.size

## The following object is masked from 'package:base':
## 
##     startsWith

d_xls <- read.xls("Arichivos_01Intro/data_Clean.xlsx",sheet = 1)
head(d_xls)

Veamos cómo hacer lo anterior con el paquete XLConnect

library(XLConnect)

## Loading required package: XLConnectJars

## XLConnect 0.2-15 by Mirai Solutions GmbH [aut],
##   Martin Studer [cre],
##   The Apache Software Foundation [ctb, cph] (Apache POI),
##   Graph Builder [ctb, cph] (Curvesapi Java library)

## http://www.mirai-solutions.com
## https://github.com/miraisolutions/xlconnect

lib_xls <- loadWorkbook("Arichivos_01Intro/data_Clean.xlsx")
# Mostrar las hojas dispobles
getSheets(lib_xls)

## [1] "ROC"  "OCCS"

# Cargar una hoja
d_xlsC <- readWorksheet(object = lib_xls,sheet = "ROC")
head(d_xlsC)

La sentencia if

if es una sentencia cuya entrada es una operación de tipo lógica y nos permite probar si alguna condición se cumple o no. El diagrama de flujo para la sentencia if es el siguiente

La sintaxis if en R:

if (condicion) {
  comandos o operaciones cuando TRUE
  }
if (condicion) {
  comandos o operaciones cuando TRUE
} else {
    comandos o operaciones cuando FALSE
  }

Imaginemos que nos interesa hacer un conjunto de operaciones sólo sobre los números divisibles entre 2 (pares) y descartar aquellos números que no son pares, a continuación veremos cómo utilizar if para lograr nuestro cometido.

n1 <- 1
n2 <- 2
n3 <- 3
n4 <- 4

if(n1 %% 2 == 0){
  cat(n1,"Es par")
} else {
  cat(n1, "No es par")
}

## 1 No es par

if(n2 %% 2 == 0){
  cat(n2,"Es par")
} else {
  cat(n2, "No es par")
}

## 2 Es par

if(n3 %% 2 == 0){
  cat(n3,"Es par")
} else {
  cat(n3, "No es par")
}

## 3 No es par

if(n4 %% 2 == 0){
  cat(n4,"Es par")
} else {
  cat(n4, "No es par")
}

## 4 Es par

for loop

Supongamos que saber cuáles son los números que son pares en un vector de 100 elementos; esto implicaría repetir 100 veces el código de la sección anterior. La sentencia for permite especificar con tan solo una pocas líneas de código operaciones que se repiten n veces.

La sintaxis del for loop en R es

for (iterador in vector) {comandos o operaciones}

# Genero una secuencia de números enteros (del 150 al 550) aleatoria
vec_num <- sample(150:550,size = 100,replace = F)
# Nuestro vector es 
print(vec_num)

##   [1] 533 414 331 330 523 345 429 327 508 353 283 442 360 254 387 479 297
##  [18] 433 316 223 168 438 261 422 348 217 271 214 201 362 241 311 303 321
##  [35] 402 401 439 493 545 478 542 340 437 383 299 259 371 302 430 260 507
##  [52] 286 436 281 510 301 325 407 535 425 513 242 364 369 293 417 517 418
##  [69] 235 494 249 547 380 519 204 412 416 243 323 421 245 454 165 188 239
##  [86] 209 393 515 389 232 525 484 169 441 390 216 213 288 207 287

for(n in vec_num){
  if(n %% 2 == 0)
    cat(n,"Es par\n") 
  else 
    cat(n, "No es par\n")
}

## 533 No es par
## 414 Es par
## 331 No es par
## 330 Es par
## 523 No es par
## 345 No es par
## 429 No es par
## 327 No es par
## 508 Es par
## 353 No es par
## 283 No es par
## 442 Es par
## 360 Es par
## 254 Es par
## 387 No es par
## 479 No es par
## 297 No es par
## 433 No es par
## 316 Es par
## 223 No es par
## 168 Es par
## 438 Es par
## 261 No es par
## 422 Es par
## 348 Es par
## 217 No es par
## 271 No es par
## 214 Es par
## 201 No es par
## 362 Es par
## 241 No es par
## 311 No es par
## 303 No es par
## 321 No es par
## 402 Es par
## 401 No es par
## 439 No es par
## 493 No es par
## 545 No es par
## 478 Es par
## 542 Es par
## 340 Es par
## 437 No es par
## 383 No es par
## 299 No es par
## 259 No es par
## 371 No es par
## 302 Es par
## 430 Es par
## 260 Es par
## 507 No es par
## 286 Es par
## 436 Es par
## 281 No es par
## 510 Es par
## 301 No es par
## 325 No es par
## 407 No es par
## 535 No es par
## 425 No es par
## 513 No es par
## 242 Es par
## 364 Es par
## 369 No es par
## 293 No es par
## 417 No es par
## 517 No es par
## 418 Es par
## 235 No es par
## 494 Es par
## 249 No es par
## 547 No es par
## 380 Es par
## 519 No es par
## 204 Es par
## 412 Es par
## 416 Es par
## 243 No es par
## 323 No es par
## 421 No es par
## 245 No es par
## 454 Es par
## 165 No es par
## 188 Es par
## 239 No es par
## 209 No es par
## 393 No es par
## 515 No es par
## 389 No es par
## 232 Es par
## 525 No es par
## 484 Es par
## 169 No es par
## 441 No es par
## 390 Es par
## 216 Es par
## 213 No es par
## 288 Es par
## 207 No es par
## 287 No es par

Alternativamente

# Iteramos sobre los elementos de vec_num
vec_size <- length(vec_num)
for(iterador in 1:vec_size){
  n <- vec_num[iterador]
   if(n %% 2 == 0)
    cat(n,"Es par\n") 
  else 
    cat(n, "No es par\n")
}

vec_pares <- NULL
vec_impares <- NULL
# Iteramos sobre los elementos de vec_num
vec_size <- length(vec_num)

for(iterador in 1:vec_size){
  n <- vec_num[iterador]
   if(n %% 2 == 0){
     vec_pares[iterador] <-  n
   }
  else{
    vec_impares[iterador] <- n
  } 
}

vec_pares_limpio <- as.vector(na.omit(vec_pares))
print(vec_pares_limpio)

##  [1] 414 330 508 442 360 254 316 168 438 422 348 214 362 402 478 542 340
## [18] 302 430 260 286 436 510 242 364 418 494 380 204 412 416 454 188 232
## [35] 484 390 216 288

vec_impares_limpio <-as.vector( na.omit(vec_impares))
print(vec_impares_limpio)

##  [1] 533 331 523 345 429 327 353 283 387 479 297 433 223 261 217 271 201
## [18] 241 311 303 321 401 439 493 545 437 383 299 259 371 507 281 301 325
## [35] 407 535 425 513 369 293 417 517 235 249 547 519 243 323 421 245 165
## [52] 239 209 393 515 389 525 169 441 213 207 287

vec_pares_limpio <- vec_pares[which(!is.na(vec_pares))]
vec_impares_limpio <- vec_impares[which(!is.na(vec_impares))]

cat("El numero de enteros pares en vec_num fue de",length(vec_pares_limpio),"\n")

## El numero de enteros pares en vec_num fue de 38

cat("El numero de enteros impares en vec_num fue de",length(vec_impares_limpio),"\n")

## El numero de enteros impares en vec_num fue de 62

while loop

Habrá situaciones donde no sabemos cuántas iteraciones exactas necesitamos para llegar a cierto resultado. Será necesario hacer los cálculos y evaluar el resultado en cada iteración hasta que la condición que buscamos se cumpla. En esta situaciones podemos ocupar el ciclo while.

Supongamos que se nos pide calcular cuál es el número de la sucesión de Fibonacci más cercano al 400. El algoritmo para encontrar el \(n-esimo\) término de la sucesión de Fibonacci es el siguiente

\[ f_{n} = f_{n-1} + f_{n-2}\,\,\text{para } n=2,3,4,5,...\] Se definen los primeros 2 números como \(f_0=0\) y \(f_1=1\). Por tanto \(f_2\) es

\[f_{2}=f_{1}+f_{0}=1+0=1\]

Ahora vemos cómo generar la secuencia de números de Fibonacci menores a 400 usando while.

# Con n=2
fib_n_menos2 <- 0
fib_n_menos1 <- 1
fibonacci <- c(fib_n_menos2,fib_n_menos1)
fib_n <- fib_n_menos1 + fib_n_menos2 


while(fib_n < 400){
  
  fibonacci <- c(fibonacci,fib_n)
  fib_n_menos2 <- fib_n_menos1
  fib_n_menos1  <- fib_n
  fib_n <- fib_n_menos2 + fib_n_menos1

}

print(fibonacci)

##  [1]   0   1   1   2   3   5   8  13  21  34  55  89 144 233 377

¿Cuál es la posición del elemento de la sucesión más cercano a 400?

print(length(fibonacci))

## [1] 15

Un ejemplo de assign y while para guardar números de Fibonacci

Veremos una de las potenciales aplicaciones de assign para guardar variables

fib_n_menos2 <- 0
fib_n_menos1 <- 1
fib_n <- fib_n_menos1 + fib_n_menos2 
n=3

while(fib_n < 400){
  assign(paste0("fibonacci_",n),value = fib_n) 
  fib_n_menos2 <- fib_n_menos1
  fib_n_menos1  <- fib_n
  n <- n+1
  fib_n <- fib_n_menos2 + fib_n_menos1
}

print(c(fibonacci_3,fibonacci_4,fibonacci_5,fibonacci_6,fibonacci_9,fibonacci_15))

## [1]   1   2   3   5  21 377

Función es_par

es_par <- function(x){
  # Cheamos que x es entero
  if(x%%1==0){
    # Checamos si es par
    if(x%%2==0){
      return(TRUE)
    }
    else
      return(FALSE)
  }
  # Mensaje notificando que x no es entero
  warning("El numero tiene que ser un numero entero")
}

Probemos nuestra función

# Primero con un numero que no es entero
es_par(2.2)

## Warning in es_par(2.2): El numero tiene que ser un numero entero

# Ahora con un impar
es_par(3)

## [1] FALSE

# Finalmente con un par
es_par(18)

## [1] TRUE

Operaciones no vectorizadas vs. vectorizadas.

Sea df_occs una base de datos con puntos de presencia de varias especies de reptiles y anfibios; suponga que se le pide filtar los datos de presencia por especie y contruir una lista donde cada elemento de ella es un data.frame que contiene los datos de cada especie. Veremos cómo hacer este filtrado utilizando operaciones no vectorizadas y vectorizadas. Haremos uso de la función system.time para medir el tiempo que tarde en correr los algoritmos…

Primero leemos la base de datos de los puntos de presencia y exploramos la base de datos (BD).

occs_bd <- read.csv("./Arichivos_01Intro/occs_rep_amf.csv")
# Dimensiones del DF.
dim(occs_bd )

## [1] 4000    6

# Una explo de la BD (mostrando solo 6 registros)
head(occs_bd,6)

# Los nombres de las variables de la BD.
names(occs_bd)

## [1] "name"      "longitude" "latitude"  "prov"      "date"      "key"

# Los nombres de las especies
print(unique(occs_bd$name))

##   [1] Sceloporus occidentalis      Pseudacris regilla          
##   [3] Gehyra variegata             Lampropholis delicata       
##   [5] Zootoca vivipara             Chamaeleo dilepis           
##   [7] Rana pretiosa                Ctenotus taeniolatus        
##   [9] Egernia cunninghami          Anolis lemurinus            
##  [11] Psammodromus algirus         Craugastor fleischmanni     
##  [13] Anaxyrus debilis             Eremiascincus richardsonii  
##  [15] Tiliqua rugosa               Eurycea bislineata          
##  [17] Dipsosaurus dorsalis         Liolaemus bibronii          
##  [19] Desmognathus fuscus          Notechis scutatus           
##  [21] Austrelaps superbus          Egernia saxatilis           
##  [23] Anolis carolinensis          Sphaerodactylus nicholsi    
##  [25] Rana cascadae                Egernia striolata           
##  [27] Sceloporus undulatus         Sceloporus variabilis       
##  [29] Stellagama stellio           Lepidophyma flavimaculatum  
##  [31] Lacerta agilis               Bassiana duperreyi          
##  [33] Varanus varius               Pseudacris cadaverina       
##  [35] Ctenotus regius              Lithobates pipiens          
##  [37] Sceloporus graciosus         Amphibolurus muricatus      
##  [39] Xantusia vigilis             Incilius alvarius           
##  [41] Heteronotia binoei           Anaxyrus cognatus           
##  [43] Eleutherodactylus coqui      Takydromus sexlineatus      
##  [45] Uta stansburiana             Psammodromus hispanicus     
##  [47] Rhinella marina              Incilius marmoreus          
##  [49] Incilius mazatlanensis       Hemiergis decresiensis      
##  [51] Moloch horridus              Pseudonaja textilis         
##  [53] Plestiodon gilberti          Ctenotus uber               
##  [55] Liolaemus darwinii           Sphaerodactylus macrolepis  
##  [57] Lithobates warszewitschii    Platysaurus intermedius     
##  [59] Liolaemus koslowskyi         Tiliqua nigrolutea          
##  [61] Anolis humilis               Sceloporus malachiticus     
##  [63] Eremiascincus fasciolatus    Liolaemus kingii            
##  [65] Hemiergis peronii            Liolaemus quilmes           
##  [67] Pachymedusa dacnicolor       Lithobates palmipes         
##  [69] Sceloporus merriami          Dendrobates auratus         
##  [71] Anolis intermedius           Liopholis inornata          
##  [73] Parasuta flagellum           Liolaemus boulengeri        
##  [75] Anolis gundlachi             Podarcis muralis            
##  [77] Liolaemus robustus           Smilisca fodiens            
##  [79] Liolaemus tenuis             Liolaemus rothi             
##  [81] Liolaemus kriegi             Pseudemoia entrecasteauxii  
##  [83] Pseudemoia spenceri          Protobothrops mucrosquamatus
##  [85] Liolaemus fitzingerii        Lobulia elegans             
##  [87] Liolaemus pictus             Eulamprus kosciuskoi        
##  [89] Anolis cupreus               Liolaemus elongatus         
##  [91] Anolis cristatellus          Anaxyrus canorus            
##  [93] Tarentola boettgeri          Anolis lionotus             
##  [95] Takydromus septentrionalis   Hyla walkeri                
##  [97] Anolis tropidolepis          Liolaemus petrophilus       
##  [99] Anolis cooki                 Sphaerodactylus klauberi    
## [101] Liolaemus chacoensis         Liolaemus multimaculatus    
## [103] Phymaturus patagonicus       Liolaemus scapularis        
## [105] Liolaemus melanops           Liolaemus olongasta         
## [107] Liolaemus tari               Liolaemus walkeri           
## [109] Rankinia diemensis          
## 109 Levels: Amphibolurus muricatus Anaxyrus canorus ... Zootoca vivipara

Algoritmo de búsqueda no vectorizado

Primero definimos la lista en donde guardaremos los data.frames de cada especie. Nótese que la lista tendrá tantos elementos como especies en la BD.

# Creamos una lista vacia
occs_df_list <- list()
# Guardamos los nombres de las especies en un vector
sp_names <- unique(occs_bd$name)

Ahora implementamos el algorimo de búsqueda. La idea básica es ir recorriendo toda la columana name de la base de datos occs_bd e ir preguntando cuál registro cumple la condición occs_bd$name == sp_name_i; posteriormente almacenar estos índices en un vector llamado sp_index con los índices que cumplen la condición. Finalemente hacer un subset de occs_bd con sp_index.

# Vector donde guardare los idices (vacio)
sp_index <- c()
# Iteraremos 
tiempo_novec <- system.time({
  # Recorremos cada especie en sp_names
  for(spi in 1:length(sp_names)){
    # Especie i en la iteracion i
    sp_name_i <- sp_names[spi]
    # Recorremos cada registro en BD 
  for(registro in 1:dim(occs_bd)[1]){
    # Preguntamos si coincide el nombre sp_name_i con el registro occs_bd$name (condicion 1)
    if(sp_name_i == occs_bd$name[registro]){
      sp_index <- c(sp_index,registro)
    }
  }
  # Los registros que cumplieron la condicion 1
  # en sp_index son ocupados para hacer el subset
  # Guardamos estos en la lista
  occs_df_list[[spi]] <- occs_bd[sp_index,]
  # reinializamos el vector sp_index
  sp_index <- c()
  }
  # Le ponemos nombre de la sp a cada elemento de la lista
  names(occs_df_list) <- sp_names
})

Cuánto tardó en correr?

print(tiempo_novec)

##    user  system elapsed 
##  14.897   0.132  15.139

# Creamos una lista vacia
occs_df_list_vec <- list()
# nuevamente definamos una variable con los nombres de sps
sp_names <- unique(occs_bd$name)

tiempo_vec <- system.time({
  for(spi in 1:length(sp_names)){
    # Especie i en la iteracion i
    sp_name_i <- sp_names[spi]
    sp_index_vec <- which(sp_name_i == occs_bd$name)
    occs_df_list_vec[[spi]] <- occs_bd[sp_index_vec,]
  }
})
names(occs_df_list_vec) <- sp_names

print(tiempo_vec)

##                user              system             elapsed 
## 0.02200000000000202 0.00000000000000000 0.02299999999999969

tiempo_ratio <- tiempo_novec[[3]]/tiempo_vec[[3]]
print(tiempo_ratio)

## [1] 658.2173913043567

La familia apply

La familia de funciones apply tienen como objetivo operar sobre estructuras de datos como matrix, data.frames, arrays, y lists de forma repetitiva. Estas funciones aplican una función sobre un conjunto de datos y devulven un arreglo el cual puede ser una matriz, una tabla de datos o una lista. Una característica de ellas, es que permiten evitar los loops, por lo que serán necesarias menos lineas de código para llegar a un mismo resultado (el código suele ser más elegante).

Entre los R-programadores se suele decir que es más R-tónico (en alusión a pythonico) utilizar las funciones de la familia apply sobre los loops.

Veamos cuales funciones conforman esta familia y sus ouputs (es información la tomé de esta página):

# Funcion de busqueda
# sp_name: Es el nombre de la especie
# bd_datos: data.frame con los datos de presencia
# col_name: Columna en el data.frame sobre la que se hara la busqueda
find_sp <- function(sp_name, bd_datos,col_name){
  # Preguntamos si coincide el nombre sp_name con el registro occs_bd[,col_name] (condicion 1)
  sp_index <- which(bd_datos[,col_name] == sp_name)
  # Subset con los datos que cumplen la condicion 1
  sp_df <- bd_datos[sp_index,]
  return(sp_df)
}

sp_names <- unique(occs_bd$name)
tiempo_lapply <- system.time({
  occs_df_list_apply <- lapply(sp_names, 
                               function(sp) 
                                 find_sp(sp,bd_datos = occs_bd,col_name = "name") )
  
})

Pauqetes usados durante este tutorial

sessionInfo()

## R version 3.5.1 (2018-07-02)
## Platform: x86_64-apple-darwin15.6.0 (64-bit)
## Running under: macOS High Sierra 10.13.6
## 
## Matrix products: default
## BLAS: /Library/Frameworks/R.framework/Versions/3.5/Resources/lib/libRblas.0.dylib
## LAPACK: /Library/Frameworks/R.framework/Versions/3.5/Resources/lib/libRlapack.dylib
## 
## locale:
## [1] en_US.UTF-8/en_US.UTF-8/en_US.UTF-8/C/en_US.UTF-8/en_US.UTF-8
## 
## attached base packages:
## [1] stats     graphics  grDevices utils     datasets  methods   base     
## 
## other attached packages:
## [1] XLConnect_0.2-15     XLConnectJars_0.2-15 gdata_2.18.0        
## [4] knitr_1.21           dygraphs_1.1.1.6    
## 
## loaded via a namespace (and not attached):
##  [1] Rcpp_1.0.0       compiler_3.5.1   later_0.7.5      questionr_0.7.0 
##  [5] highr_0.7        rmdformats_0.3.3 tools_3.5.1      xts_0.10-2      
##  [9] digest_0.6.18    jsonlite_1.6     evaluate_0.12    lattice_0.20-35 
## [13] rlang_0.3.1      shiny_1.2.0      rstudioapi_0.7   yaml_2.2.0      
## [17] xfun_0.4         rJava_0.9-10     stringr_1.3.1    htmlwidgets_1.2 
## [21] gtools_3.8.1     grid_3.5.1       R6_2.3.0         rmarkdown_1.11  
## [25] bookdown_0.7     purrr_0.2.5      magrittr_1.5     promises_1.0.1  
## [29] htmltools_0.3.6  mime_0.6         xtable_1.8-3     httpuv_1.4.5    
## [33] stringi_1.2.4    miniUI_0.1.1.1   zoo_1.8-3